El aprendizaje supervisado, o supervised learning, se puede dividir en dos tipos de problemas en la minería de datos: clasificación y regresión.

• La clasificación utiliza un algoritmo para asignar con precisión los datos de prueba en categorías específicas. Reconoce entidades específicas dentro del conjunto de datos e intenta sacar algunas conclusiones sobre cómo deben etiquetarse o definirse esas entidades. Los algoritmos de clasificación habituales son los clasificadores lineales, las máquinas de vectores de apoyo (SVM), los árboles de decisión, el «k-vecinos más cercanos» y el bosque aleatorio, que se describen con más detalle a continuación.

• La regresión se usa para entender la relación entre variables dependientes e independientes. Se utiliza habitualmente para hacer proyecciones, como los ingresos por ventas de una empresa determinada. La regresión lineal, la regresión logística y la regresión polinómica son algoritmos de regresión populares.

En los procesos de machine learning supervisado se utilizan diversos algoritmos y técnicas de cálculo, a menudo calculados mediante el uso de programas como Python. Los algoritmos de aprendizaje supervisado incluyen:

• AdaBoost o refuerzo de gradiente: también llamado refuerzo adaptativo⁷, esta técnica refuerza un algoritmo de regresión de bajo rendimiento combinándolo con otros más débiles para crear un algoritmo más fuerte que produzca menos errores. El refuerzo combina el poder de previsión de varios estimadores de base.

• Redes neuronales artificiales: también conocidas como RNA, redes neuronales o redes neuronales simuladas (SNN), son un subconjunto de técnicas de machine learning y están en el corazón de los algoritmos de deep learning. El algoritmo de aprendizaje reconoce patrones en los datos de entrada utilizando bloques de construcción llamados neuronas, que se aproximan a las neuronas del cerebro humano, que se entrenan y modifican con el tiempo. (Más información en «redes neuronales»).

• Algoritmos de árboles de decisión: Utilizados tanto para predecir valores numéricos (problemas de regresión) como para clasificar datos en categorías, los árboles de decisión utilizan una secuencia ramificada de decisiones enlazadas que pueden representarse con un diagrama de árbol. Una de las ventajas de los árboles de decisión es que son fáciles de validar y auditar, a diferencia de la caja negra de una red neuronal.

• Reducción de dimensionalidad: cuando un conjunto de datos seleccionado tiene un alto número de entidades⁷ , tiene una alta dimensionalidad. A continuación, la reducción de la dimensionalidad recorta el número de características, dejando sólo las percepciones o la información más significativas. Un ejemplo es el análisis de componente principal.

• K-vecinos más cercanos: también conocido como KNN, este algoritmo no paramétrico clasifica los puntos de datos según su proximidad y asociación a otros datos disponibles. Se supone que se pueden encontrar puntos de datos similares entre sí. Como resultado, busca calcular la distancia entre puntos de datos, generalmente a través de la distancia euclidiana, y luego asigna una categoría basada en la categoría o promedio más frecuente. 

• Regresión lineal: la regresión lineal se utiliza para identificar la relación entre una variable dependiente y una o más variables independientes y, por lo general, se aprovecha para hacer predicciones sobre resultados futuros. Cuando solo hay una variable independiente y una variable dependiente, se conoce como regresión lineal simple.

• Regresión logística: mientras que la regresión lineal se aprovecha cuando las variables dependientes son continuas, la regresión logística se selecciona cuando la variable dependiente es categórica, lo que significa que hay salidas binarias, como "verdadero" y "falso" o "sí" y "no". Aunque ambos modelos de regresión buscan comprender las relaciones entre las entradas de datos, la regresión logística se utiliza principalmente para resolver problemas de clasificación binaria, como la identificación de spam.

• Redes neuronales: principalmente aprovechadas para algoritmos de deep learning, las redes neuronales procesan los datos de entrenamiento de entrada al imitar la interconectividad del cerebro humano a través de capas de nodos. Cada nodo se compone de entradas, ponderaciones, un sesgo (umbral) y una salida. Si ese valor de salida supera un umbral determinado, se «dispara» o activa el nodo, pasando los datos a la siguiente capa de la red. Las redes neuronales aprenden a partir de ajustes basados en la función de pérdida mediante el proceso de descenso gradiente. Cuando la función de costes es igual o cercana a cero, puede confiar en la precisión del modelo.

• Naive Bayes o bayesiano ingenuo: este enfoque adopta el principio de independencia condicional de clase del Teorema de Bayes. Esto significa que la presencia de una característica no influye en la presencia de otra en la probabilidad de un resultado dado, y que cada predictor tiene un efecto igual en ese resultado. Existen tres tipos de clasificadores Naive Bayes: Naive Bayes multinomial, Naive Bayes Bernoulli y Naive Bayes gaussiano. Esta técnica se utiliza principalmente en sistemas de clasificación de textos, identificación de spam y recomendación.

• Bosques aleatorios: en un bosque aleatorio, el algoritmo de machine learning predice un valor o categoría combinando los resultados de una serie de árboles de decisión. El «bosque» se refiere a árboles de decisión no correlacionados, que se montan para reducir la varianza y permitir predicciones más precisas.

• Máquinas vectoriales de soporte (SVM): este algoritmo se puede utilizar tanto para la clasificación de datos como para la regresión, pero normalmente se usa para problemas de clasificación, construir un hiperplano donde la distancia entre dos clases de puntos de datos esté en su máximo. Este hiperplano se conoce como la frontera de decisión, que separa las clases de puntos de datos (como naranjas frente a manzanas) a ambos lados del plano.

A diferencia del aprendizaje supervisado, el aprendizaje no supervisado utiliza datos no etiquetados. A partir de esos datos, el algoritmo descubre patrones que ayudan a resolver problemas de agrupación o asociación. Esto es particularmente útil cuando los expertos en la materia no están seguros de las propiedades comunes dentro de un conjunto de datos. Los algoritmos de agrupación más comunes son los jerárquicos, K-means, los modelos de mezcla gaussiana y los métodos de reducción de la dimensionalidad como PCA y t-SNE.

• Clustering: estos algoritmos pueden identificar patrones en datos para poder agruparlos. Los algoritmos pueden ayudar a los científicos de datos identificando diferencias entre los datos que los humanos han pasado por alto.

• Clustering jerárquico: agrupa los datos en un árbol de clústeres⁸. La agrupación jerárquica comienza tratando cada punto de datos como un clúster independiente. A continuación, ejecuta repetidamente estos pasos: 1) identificar los dos conglomerados que pueden estar más próximos entre sí, y 2) fusionar los dos conglomerados máximamente comparables. Estos pasos continúan hasta que se fusionan todos los clusters.

• Clustering de K-Means: identifica grupos dentro de datos sin etiquetas⁹  en clústeres diferentes mediante la búsqueda de grupos de datos similares entre sí. El nombre «K-means» proviene de los $k$ centroides que utiliza para definir los conglomerados. Un punto se asigna a un clúster en particular si está más cerca del centroide de ese clúster que cualquier otro centroide.

Algoritmos de aprendizaje semisupervisados

En este caso, el aprendizaje se produce cuando solo se ha etiquetado una parte de los datos de entrada dados, lo que le da al algoritmo una cierta «ventaja». Este enfoque puede combinar lo mejor de ambos mundos¹⁰: la mejora de la precisión asociada con el machine learning supervisado y la capacidad de utilizar datos rentables sin etiquetar, como en el caso del machine learning no supervisado.

Algoritmos de refuerzo

En este caso, los algoritmos se entrenan tal como aprenden los humanos, a través de recompensas y penalizaciones, que son medidas y rastreadas por un agente de aprendizaje por refuerzo¹¹ que tiene una comprensión general de la probabilidad de subir o bajar la puntuación con éxito. A través de la prueba y el error, el agente aprende a tomar medidas que conducen a los resultados más favorables con el tiempo. El aprendizaje de refuerzo suele utilizarse¹²  en la gestión de recursos, robótica y videojuegos.